Le vrai coût des ruptures de stock : trois couches, pas une

Demandez à un directeur financier de retail ce que lui coûte son surstock, et vous obtenez un chiffre. Demandez-lui ce que lui coûte une rupture, et vous obtenez un haussement d'épaules suivi d'une estimation. « Le prix de l'unité manquée, à peu près — on réassortira vite, ce n'est pas grand-chose. » Cette réponse est l'intégralité du problème.

Le coût du surstock a été mesuré, débattu et provisionné depuis deux décennies. Celui de la rupture est encore traité comme une nuisance temporaire que le prochain réapprovisionnement effacera.

Il ne l'effacera pas. Le vrai coût d'une rupture se construit sur trois couches successives, et seule la première — la plus légère — est visible dans le système d'information du retailer. Les deux couches lourdes ne figurent ni dans l'ERP, ni dans le rapport hebdomadaire de sell-through, ni dans le bilan de saison. Elles apparaissent des mois plus tard, dans des indicateurs sans lien apparent que personne ne ramène à l'étagère vide qui les a déclenchés.

Cet article est le pendant explicite de le vrai coût du surstock. Même décomposition structurelle, appliquée à l'autre versant de l'erreur d'inventaire. Pris ensemble, ces deux articles forment ce qu'on pourrait appeler les deux faces du coût d'inventaire — et expliquent pourquoi la finance retail mal-évalue l'une d'elles depuis des années.

Ce que tout le monde mesure (et pourquoi le chiffre est trop bas)

La couche visible d'une rupture, c'est la vente perdue. Un client entre, le rayon est vide, le client n'achète pas. Le manque est enregistré comme un zéro. La plupart des retailers ne le mesurent même pas directement — ils le déduisent d'un écart entre prévision et réel, ou de creux POS comparés à une vélocité de référence.

Quand ils le mesurent, le chiffre reste modeste. Et il est à juste titre modeste. Pas parce que la rupture n'a pas d'impact, mais parce que le client substitue. Une part significative des clients face à un rayon vide prend la variante voisine, la marque concurrente sur le même linéaire, ou le format au-dessus. Et le panier passe quand même en caisse.

Les taux de substitution en magasin physique s'établissent typiquement entre 30 % et 60 %. Cela dépend de la catégorie, du format de point de vente et de l'attachement du client à la référence.

La facture visible d'une rupture, sur une semaine donnée, vaut donc à peu près (unités manquées) × (marge unitaire) × (1 − taux de substitution). À l'échelle d'un couple SKU/magasin/semaine, c'est de la petite monnaie. Facile à écarter.

Facile à diluer dans le bruit du variance report. Facile, pour un comité de direction, de regarder ce chiffre et de conclure « la rupture nous coûte quelques points de base — concentrons-nous plutôt sur le surstock. »

Cette conclusion est fausse. Parce qu'on vient de mesurer une couche sur trois — et pas la plus lourde.

Couche 1 : la vente perdue visible

On vient de la couvrir, restons brefs. Vente perdue nette de substitution. De l'argent réel, mesurable, récupérable au prochain cycle de réassort. Appelons ça le coût unitaire.

Les benchmarks sectoriels le situent entre 2 % et 4 % du chiffre d'affaires dans un retail bien tenu. Davantage en mode et en électronique, où la substitution est plus faible.

C'est la couche que tout retailer sait quantifier, et que la plupart quantifient. C'est aussi la seule qui réagit rapidement à un meilleur moteur de réassort. Si on corrige la couverture, on corrige cette couche. Les deux suivantes ne bougent pas à la même échelle de temps, et c'est précisément ce qui rend le piège invisible.

Couche 2 : le coût comportemental client

Voilà la couche que le bilan de fin de saison ne capte jamais. Quand un client tente d'acheter et n'y arrive pas une fois, l'impact est négligeable — il substitue ou il s'en va. Quand le même client tente deux fois dans une fenêtre courte et échoue deux fois, quelque chose change. Il arrête d'essayer.

Le mécanisme est bien documenté dans la littérature académique sur la fidélité retail, et il est d'une simplicité brutale. La confiance du client dans votre assortiment n'est pas un paramètre fixe. C'est une croyance mouvante, mise à jour à chaque visite.

Deux visites infructueuses sur une fenêtre de six semaines basculent une part significative des clients fidèles dans la catégorie « cette enseigne n'a plus ce que je veux ». Ils ne churnent pas spectaculairement. Ils n'écrivent pas de réclamation. Ils viennent simplement moins, et quand ils viennent, leur panier est plus petit. Ils ont transféré une partie de leur consommation vers un concurrent ou vers une alternative en ligne qu'ils ignoraient auparavant.

L'empreinte mesurable de cette couche apparaît à trois endroits, et jamais dans le variance report hebdomadaire :

• Une baisse de la fréquence de visite du segment client concerné sur les deux à quatre mois suivants
• Une baisse du panier moyen sur les visites qui ont lieu, à mesure que l'enseigne perd son statut d'arrêt principal
• Une baisse de la part de portefeuille catégorielle qui est structurelle, pas saisonnière, et qui se récupère rarement sans action de winback dédiée

Les chiffres varient selon le format. Un benchmark courant en grande consommation et en mode mass-market. Un client à forte fidélité qui subit deux ruptures consécutives sur des produits planifiés perd 15 % à 25 % de ses dépenses sur les six mois suivants dans l'enseigne. L'érosion frappe le plus fort sur le frais, comme l'explore l'article décisions IA sur le frais en grande distribution. Sur un segment de base client valant plusieurs dizaines de millions de chiffre d'affaires annuel, ce n'est pas une erreur d'arrondi.

Et c'est ici que l'asymétrie avec le surstock devient pénible. Le surstock coûte de la marge qu'on voit, sur un inventaire qu'on possède. La rupture, elle, coûte de la marge qu'on ne verra jamais, sur du trafic qui simplement cesse de passer la porte.

Le premier, c'est une dépréciation. La seconde, c'est une érosion. Le premier touche le P&L ce trimestre. La seconde le touche sur les quatre suivants — trop dilué, trop décalé, et trop éparpillé entre les SKU pour qu'on puisse jamais le relier à son origine.

C'est pour ça que la plupart des organisations sous-évaluent cette couche. Pas par paresse de la finance. Parce que la chaîne causale est trop longue pour le cycle comptable.

Couche 3 : la corruption systémique du signal

C'est la couche dont presque personne ne parle, et probablement la plus structurellement destructrice des trois. Elle n'a rien à voir avec le client. Elle a tout à voir avec ce que vos systèmes de prévision et d'allocation apprennent d'une rupture.

Tout modèle de demande en retail s'entraîne sur l'historique de ventes. Que ce soit une baseline statistique classique, un forecaster à base de gradient boosting, ou un modèle séquentiel type transformer. Pas sur l'historique de demande. La demande est la variable latente qu'on cherche vraiment. La vente est le proxy disponible, mais censuré.

Et la censure se produit précisément au moment de la rupture. Le jour où le rayon était vide, vos ventes sur ce SKU/magasin sont tombées à zéro, ou à ce que la substitution a permis.

Votre modèle apprend alors que la demande pour cette référence, dans ce magasin, cette semaine-là, valait ce qui était disponible. Pas ce qui était voulu. Le biais est mécanique et unidirectionnel. Les prévisions s'orientent vers le bas pour les SKU chroniquement sous-stockés, parce que le modèle n'a aucun moyen de distinguer une vraie baisse de demande d'une contrainte d'approvisionnement.

Puis vient l'allocation. Le cycle de planification suivant utilise la prévision déprimée pour calculer l'allocation suivante. Cette allocation reproduit — ou aggrave — la sous-dotation initiale.

La période de vente suivante censure à nouveau le signal de demande. La prévision suivante s'oriente encore plus bas. Le système s'est stabilisé sur la mauvaise réponse. Et il ne se corrigera pas tout seul, parce que chaque signal qu'il reçoit confirme la trajectoire qu'il a déjà prise.

C'est cette couche qui transforme une rupture d'une semaine en sous-allocation pluri-saisonnière. Le coût est invisible parce qu'aucune décision unique ne l'a créé — il a été créé par une boucle de rétroaction que personne n'a conçue et que personne ne supervise. Et le remède n'est pas un meilleur modèle. Le remède, c'est le dé-censurage de la demande : traiter les ventes-zéro pendant rupture comme une observation manquante, pas comme une mesure réelle. Puis reconstruire l'estimation de demande à partir de signaux d'intention — recherches e-commerce, ajouts panier sur des SKU adjacents, patterns de trafic — plutôt qu'à partir du POS seul.

Presque aucun retailer ne le fait systématiquement. Ceux qui le font font la même découverte au premier passage : 5 % à 15 % de leur assortiment a été chroniquement sous-alloué sur plusieurs saisons. Non parce que la demande a baissé, mais parce que leurs propres systèmes les en avaient discrètement convaincus.

L'asymétrie avec le surstock

Le surstock est bruyant. Il occupe l'entrepôt, il apparaît dans le rapport de couverture, il lève un drapeau à chaque revue de trésorerie. La facture est visible, elle est simplement diffuse — sept couches que personne n'additionne, comme on l'a traité dans l'article jumeau.

La rupture, elle, est silencieuse. Le rayon est réassorti, le creux se referme, l'indicateur hebdomadaire revient à la normale. Trois couches de coût restent en place, aucune n'est visible en temps réel, et seule la plus petite est même quantifiée.

Cette asymétrie a une conséquence directe. Les directions financières et supply chain consacrent un effort disproportionné à un seul versant de l'erreur d'inventaire. Elles serrent les achats, accélèrent la démarque, négocient les retours. Elles traitent la rupture comme un problème de disponibilité à régler à l'entrepôt. Or l'essentiel du coût se joue en aval de l'entrepôt, dans la relation client et dans la boucle de rétroaction de la prévision.

Une véritable stratégie anti-rupture n'est pas « mettre plus de stock de sécurité ». Cette solution échange simplement une erreur d'inventaire contre l'autre. Une stratégie sérieuse ressemble à ceci :

• Mesurer les trois couches, pas seulement la première. Quantifier le coût comportemental à partir de cohortes de segments fidèles, et quantifier le biais de prévision via une passe de dé-censurage sur l'historique. Sans ces chiffres, la couche 1 gagnera toujours l'arbitrage de priorisation.
• Découpler la prévision du signal de ventes pendant les fenêtres de rupture. Traiter les semaines en rupture comme données manquantes pour ce SKU/magasin, et ré-estimer la demande à partir de signaux dé-censurés. Le prochain cycle de prévision n'approfondira pas l'erreur initiale.
• Industrialiser les décisions de réassort à la maille SKU/magasin, pas à l'agrégat entrepôt. La couche 2 se crée magasin par magasin, client par client. Le chiffre de couverture agrégé ne peut pas la voir.
• Lancer une action de winback sur les cohortes détectées en double rupture. La couche 2 est partiellement récupérable si on agit dans la fenêtre des six mois. Au-delà, la perte de part de portefeuille devient structurelle.

L'approche Solya

C'est précisément là que Solya se positionne dans la conversation sur l'erreur d'inventaire. Pas comme un outil de prévision — chaque retailer en a déjà. Plutôt comme la couche de décision posée au-dessus de la prévision, avec un traitement explicite des trois couches de coût que la plupart des plateformes ignorent.

Concrètement, Solya dé-censure la demande sur les fenêtres de rupture avant qu'aucune décision d'allocation ne se propage. La plateforme suit l'exposition client à la rupture à travers les visites. Elle fait remonter les cohortes en double rupture vers le motion CRM avant que l'érosion de part de portefeuille ne s'installe. Et elle évalue les décisions de réassort sur une fonction de coût combinée, qui met les couches 2 et 3 dans la même unité que la couche 1. L'arbitrage inventaire proposé par le moteur devient celui que le business affronte réellement — pas celui que la structure de KPI historique rend visible.

Ce n'est pas une amélioration de prévision. La prévision peut rester celle dont vous disposez déjà. C'est une mise à niveau de la couche de décision. La couche qui transforme une prévision en action, avec le coût complet de se tromper sur les deux versants de l'erreur d'inventaire intégré au calcul.

La question à se poser

Cessez de demander « combien de ruptures avons-nous eues cette semaine ? ». Ce chiffre est petit, par construction, et il sous-évalue la facture d'un facteur trois à cinq. Demandez plutôt : combien de clients ont tenté d'acheter et n'ont pas pu, deux fois, sur les soixante derniers jours. Et qu'est-ce que le système va mal allouer à la prochaine saison à cause de cela ?

Si vous ne pouvez répondre à aucune de ces deux questions depuis votre stack actuelle, vous payez la facture complète des trois couches sans en voir deux. C'est la manière la plus coûteuse de piloter un inventaire.

Pour les questions de plateforme et de mesure que les directeurs supply chain posent, voir notre FAQ Directeur Supply Chain.

---

Combien vous coûtent réellement vos ruptures ?

Chez Solya, nous proposons aux directions retail un diagnostic rupture personnalisé de 30 minutes. Objectif : cartographier sur vos propres données les trois couches de coût — vente perdue visible, érosion comportementale client, corruption de la boucle de prévision. Et identifier où se cache la marge la plus accessible à récupérer. Pas une présentation produit générique : un échange concret, ancré dans votre contexte, qui repart avec une estimation chiffrée.

À l'issue de cet échange, vous repartirez avec :

• Une estimation à trois couches de votre coût annuel actuel de rupture
• Une liste de SKU probablement sous-alloués par votre propre boucle de prévision
• Les premières actions à engager pour récupérer les couches 2 et 3 avant le prochain cycle de planification